基于脑电波信号的智能小车控制设计

基于神念科技mindband脑电波传感器,本文主要进行了智能小车控制方法的研究和设计。通过对脑电波的采集和后期对mindband输出数据进行解析,进而得到所需要的专注度参数;解析数据及控制小车的主控器采用MSP430F1XX系列的单片机;采用了基于蓝牙2.0技术的蓝牙模块实现数据通信;动力系统包括L298N电机驱动模块、2个独立的直流电动机和万向轮;软件部分主要使用C语言进行开发,程序核心部分是mindband通信协议的解析。设计最终通过专注度的不同数值实现了小车运动状态的控制,为进一步推广应用打下了基础。

基于传感器技术的实时脑—机接口设计

设计了一种基于传感器技术的脑—机接口(BCI)系统,实现了实时控制光标移动,系统包括传感器部分和信号处理部分。系统通过采集操作者头部O1,O2导联处的脑电信号,提取其α波,利用Fisher判别分析方法判断受试者闭眼时长输出不同控制命令,快速可靠地控制光标进行二维移动。实验表明:未经先期训练的操作者均能通过本系统快速地完成光标控制任务,且具有很高的识别正确率。该系统采用异步工作模式,输出控制命令仅需3.6～5.4 s,具有较好的实用性。

基于脑电波传感器的雨量传感器科普系统的设计

设计了一种基于脑电波传感器的雨量传感器科普系统,使得参观者能够直观地看到传感器的工作过程,并且可以通过脑电波传感器、按键和语音声控等方式来模拟不同的降雨强度。系统读取雨量传感器的信号后,可解算出相应的降雨量数据。最后对脑电波数据和降雨量进行自动显示和语音播报相关的气象知识。通过"前沿科技+传感器"的模式,将脑机接口应用于气象科普,使得科普设备更具吸引力,并且可较大地提高了科普讲解的准确度和志愿者的工作效率。测试结果显示,系统能正确地将翻斗的翻动次数转化为降雨量数据,暴雨等级划分也符合中国气象局的规定。

基于脑电波信号的四旋翼飞行器控制设计

基于脑电波信号,该文主要进行了四旋翼飞行器控制方法的研究和设计。首先对脑电波数据进行采集,通过使用一块STM32控制芯片对数据进行解析,并根据脑电波的特性得到了控制识别特征。采用了蓝牙通信和数据控制芯片通信,同时使用2.4GHZ无线通信把数据解析芯片的控制识别特征信号传给主控芯片。最后通过主控芯片对电机的驱动实现了脑电波信号控制飞行器的运动状态。

基于生物传感器的睡眠监测与改善系统设计

“摇篮”系统主要是基于改善用户的睡眠问题而设计,系统可以根据采集到的用户参数,智能实现对用户的睡眠环境进行改善,系统主要根据其运作机理进行软硬件设计。

基于脑电波传感器的智能轮椅设计

社会的发展和人类文明程度的提高,行为受限的人士越来越渴求运用现代高新技术来改善生活质量和生活自由度。本文介绍了一种基于脑电波传感器的智能轮椅设计方案。脑电波传感器将采集到的脑波信号通过蓝牙设备发送到ARM核心控制板,将数据经特定的算法处理后实现对轮椅运动轨迹的控制,同时还包含语音控制及环境监测等功能。实验表明该设计方案具有良好的应用前景。